小城不小，大城不大；從“小城”走出，一路向北走向“大城”；希望通過小城故事，一起去感悟所謂我們的“小成”與“大成”。

金融保險(xiǎn)：深度學(xué)習(xí)——挑戰(zhàn)、偏見與路徑（上篇）

“中央財(cái)經(jīng)大學(xué)金融科技書系”第一本書《金融保險(xiǎn)：深度學(xué)習(xí)》，在2018年底終于正式出版，這是中央財(cái)經(jīng)大學(xué)中國精算研究院金融科技中心的又一力作。金融科技中心的成員主要有張寧博士、陳輝博士，主要聚焦于大數(shù)據(jù)、人工智能、區(qū)塊鏈在金融和保險(xiǎn)中的應(yīng)用，已經(jīng)開發(fā)上線“保險(xiǎn)大數(shù)據(jù)APP”、“金融腦”金融人工智能平臺(tái)，“中央財(cái)經(jīng)大學(xué)金融科技書系”也將陸續(xù)出版。

近年來，“中央財(cái)經(jīng)大學(xué)金融科技書系”編委會(huì)成員先后出版了多本金融科技相關(guān)的專業(yè)書籍，為此，我們梳理了一套金融科技書系，希望通過金融科技書系去理清金融科技的發(fā)展脈絡(luò)，去提升金融科技的認(rèn)知能力，去改變我們的思維方式，去升華我們的智慧。

“中央財(cái)經(jīng)大學(xué)金融科技書系”編委會(huì)成員專注于金融科技研究，我們不僅僅是一個(gè)團(tuán)隊(duì)，而是連接金融領(lǐng)域研究力量和人工智能大數(shù)據(jù)等領(lǐng)域研究力量的平臺(tái)，希望“中央財(cái)經(jīng)大學(xué)金融科技書系”的每一本書都開啟一個(gè)“認(rèn)知革命”的故事，一個(gè)“預(yù)見未來”的故事，成為金融科技理論研究與實(shí)踐探索領(lǐng)域創(chuàng)新篇章的動(dòng)聽音符。

下面我給大家介紹張寧博士所著的《金融保險(xiǎn)：深度學(xué)習(xí)》的一些內(nèi)容“人工智能+金融：挑戰(zhàn)、偏見與路徑”，因內(nèi)容比較多，我將分上下兩篇來介紹。

人工智能+金融：挑戰(zhàn)、偏見與路徑（上篇）

當(dāng)前，人工智能已經(jīng)在許多行業(yè)產(chǎn)生巨大變革，同樣，在金融領(lǐng)域，也對(duì)人工智能的到來，有了許多期待。很明顯，人工智能進(jìn)入金融領(lǐng)域，也會(huì)給金融行業(yè)自身帶來很大的變革，或者說在人工智能時(shí)代，金融行業(yè)自身面臨著巨大的挑戰(zhàn)。

一般來說，從金融領(lǐng)域來看待人工智能，整體上很多人認(rèn)為存在巨大的危機(jī)感，也就是說，危機(jī)感是行業(yè)認(rèn)知的一個(gè)共識(shí)，他們認(rèn)為，人工智能進(jìn)入金融領(lǐng)域，會(huì)取代很多原本從事金融行業(yè)的人，帶來大量的金融行業(yè)的失業(yè)，這一點(diǎn)已經(jīng)從一些現(xiàn)象得到了判斷和肯定，例如，最典型的就是銀行的信貸審核員的工作，現(xiàn)在已經(jīng)在人工智能或者是計(jì)算機(jī)技術(shù)的支持下大量減少，根據(jù)經(jīng)合組織的統(tǒng)計(jì)，從2014～2017年，人工智能取代了金融行業(yè)大約5%左右的就業(yè)，很多人認(rèn)為，這個(gè)趨勢會(huì)快速增長，這也給金融從業(yè)人員帶來了很大的危機(jī)感，或者說是壓力。

而從人工智能來看待金融，則對(duì)人工智能，對(duì)金融的變革充滿了期待，從人工智能角度來說，金融行業(yè)的數(shù)據(jù)是一個(gè)天然的優(yōu)勢，而且這些數(shù)據(jù)自身非常規(guī)范，甚至在某些程度上，這些數(shù)據(jù)可以直接利用，這與金融行業(yè)從開始就注重信息基礎(chǔ)設(shè)施建設(shè)分不開，對(duì)人工智能來說，數(shù)據(jù)是一個(gè)天然的資源，即便不用關(guān)心最終要解決的目的，有了數(shù)據(jù)也可以獲得很多價(jià)值。

【挑戰(zhàn)】

傳統(tǒng)金融模型面臨的挑戰(zhàn)

現(xiàn)代金融學(xué)是建立在數(shù)理基礎(chǔ)上的學(xué)科，現(xiàn)代金融學(xué)的五大支柱（M-M理論、投資組合理論、資本資產(chǎn)定價(jià)理論、APT理論和期權(quán)定價(jià)理論）形成了當(dāng)前金融理論最主要的基礎(chǔ)，這些模型已經(jīng)在金融行業(yè)普遍使用，但這些模型以及以這些模型為基礎(chǔ)的其他模型是否能夠被人工智能或機(jī)器學(xué)習(xí)所取代或改進(jìn)呢？

現(xiàn)在看來，這個(gè)問題的回答有極大的可能性是肯定的。無論是保險(xiǎn)精算中的定價(jià)模型，還是數(shù)理金融中的產(chǎn)品定價(jià)和風(fēng)險(xiǎn)度量，都可能在大數(shù)據(jù)的背景下被改變、增強(qiáng)或者調(diào)整（見圖1）。從本質(zhì)上來說，這些模型是從數(shù)據(jù)中統(tǒng)計(jì)規(guī)律，并進(jìn)行集成或者抽象的提升，那么對(duì)大規(guī)模數(shù)據(jù)使用一些機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的方法，就一樣可以完成目標(biāo)的獲取和模式的識(shí)別。盡管我們尚不能夠做到完全使用人工智能技術(shù)完成整個(gè)建模與修正的過程，但至少新一代人工智能技術(shù)在上述收集與識(shí)別的過程中是可以發(fā)揮作用的。

圖1 模型正在被深度學(xué)習(xí)取代的方向

除了模型外，值得我們思考的還有很多。金融學(xué)諸多推理和應(yīng)用是基于“有效市場”理論，經(jīng)濟(jì)學(xué)的許多理論來源于“理性人假設(shè)”，并在這些“假設(shè)”上利用數(shù)學(xué)推理構(gòu)建了宏偉大廈。但這些預(yù)定的假設(shè)并不是數(shù)學(xué)的公理，對(duì)于經(jīng)濟(jì)和金融來說，檢驗(yàn)“真理”的標(biāo)準(zhǔn)是“實(shí)踐”，也就是說，真實(shí)的情況如果不符合假設(shè)，那么后續(xù)建立的大廈可能要進(jìn)行調(diào)

整和變化，至少用一個(gè)不同的假設(shè)推理出來的結(jié)果不能直接地應(yīng)用到新的情況中。

大數(shù)據(jù)和人工智能則可以在新情況的應(yīng)用中發(fā)揮作用。當(dāng)新的情況發(fā)生，大數(shù)據(jù)中的信息可以對(duì)于該情況進(jìn)行捕捉，基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法可以提煉特征，這在一定程度上可以彌補(bǔ)由于“假設(shè)”偏差導(dǎo)致的“風(fēng)險(xiǎn)”。

人性／理性被更好的度量

如前所述，理性人假設(shè)是經(jīng)濟(jì)學(xué)（包括金融學(xué)）的基礎(chǔ)，但越來越多的研究表明，理性人假設(shè)存在很多問題，相應(yīng)地誕生了金融物理學(xué)、分形市場理論、行為金融學(xué)等，這些學(xué)科都在試圖“偏離理性人假設(shè)”，前兩者是從數(shù)學(xué)推理中獲得的新的理論結(jié)果，后者是通過經(jīng)驗(yàn)推理來解釋的。

與這些新的學(xué)科對(duì)應(yīng)的，大數(shù)據(jù)和新一代人工智能可能從最基礎(chǔ)的層面挑戰(zhàn)傳統(tǒng)金融學(xué)（甚至是經(jīng)濟(jì)學(xué)），這種挑戰(zhàn)具體表現(xiàn)為：人的情感、偏好以及情緒波動(dòng)甚至心理，存在被度量的可能，也就是所謂的“看穿心理”。一旦人的非理性能夠被捕捉，其對(duì)經(jīng)濟(jì)學(xué)和金融學(xué)影響是深遠(yuǎn)的，在足夠強(qiáng)的深度網(wǎng)絡(luò)支撐下，日本科學(xué)家已經(jīng)可以對(duì)人腦所想的形象進(jìn)行大體分類，而基于人臉表情識(shí)別的技術(shù)已經(jīng)越來越成熟。我們研究團(tuán)隊(duì)已經(jīng)能夠根據(jù)個(gè)體給出準(zhǔn)確率不低于70%的動(dòng)態(tài)風(fēng)險(xiǎn)偏好判斷。這些研究逐漸積累發(fā)展，勢必對(duì)金融學(xué)產(chǎn)生難以想象的變革。

這些變革，類似于深度學(xué)習(xí)，已經(jīng)在圖像處理、語音識(shí)別等領(lǐng)域展示的威力，對(duì)于金融業(yè)產(chǎn)生深刻影響只需等待隨著時(shí)間而變得成熟的技術(shù)水平與核心障礙的清除。

金融業(yè)務(wù)模式被智能化替代（計(jì)算以外的能力被替代）

就目前的發(fā)展趨勢來看，金融業(yè)務(wù)模式被智能化替代的進(jìn)程正在飛速加快，這是因?yàn)橹悄芑?wù)模式已經(jīng)從技術(shù)成熟轉(zhuǎn)向了現(xiàn)實(shí)中的成功應(yīng)用。以人臉識(shí)別與文字識(shí)別為例，在技術(shù)成熟后被投入眾多領(lǐng)域進(jìn)行實(shí)踐應(yīng)用，而十分喜人的結(jié)果證明了應(yīng)用這些技術(shù)的可行性。因此，金融業(yè)如果考慮使用這類已經(jīng)過實(shí)踐檢驗(yàn)的技術(shù)來替代人工服務(wù)的一些步驟，其進(jìn)展將是毋庸置疑的迅速。

可以想象，會(huì)有其他成熟的智能化解決方案快速地融入金融領(lǐng)域當(dāng)中，使得金融業(yè)務(wù)的許多環(huán)節(jié)發(fā)生變化，這種變化主要是取代傳統(tǒng)的人力勞動(dòng)。在歷史上，計(jì)算機(jī)技術(shù)更主要替代“人所并不特別擅長的計(jì)算”，但當(dāng)前的趨勢是人所擅長的“其他的能力”也正在被取代，這是金融業(yè)務(wù)模式被挑戰(zhàn)的根本原因。

金融監(jiān)管存在更多智能化可能

從某種程度來說，金融監(jiān)管也是一個(gè)“反饋——調(diào)整——反饋”的過程。

在這個(gè)過程中，機(jī)器學(xué)習(xí)可以被用來進(jìn)行更有效的監(jiān)管，這些監(jiān)管也是基于大規(guī)模數(shù)據(jù)的，同樣會(huì)大幅度降低人力的使用率。監(jiān)管過程中會(huì)有許多數(shù)據(jù)的交流以及大量歷史數(shù)據(jù)的存儲(chǔ)，這些通過使用機(jī)器學(xué)習(xí)技術(shù)可以進(jìn)行特征的抽取、模式的鑒別以及風(fēng)險(xiǎn)的預(yù)判。這些信息不必再經(jīng)過人為獲取和人工整合，就可以直接用來進(jìn)行監(jiān)管，同時(shí)，還能夠進(jìn)行市場的監(jiān)測。

可以想象，在這種模式下，監(jiān)管某種程度上會(huì)變得更加自動(dòng)化、更加智能化、更加以數(shù)據(jù)化為導(dǎo)向。宏觀審慎監(jiān)管、微觀監(jiān)管，以及行為監(jiān)管，都可以在不同層面上互相支持；甚至在一些特定的人工智能的支撐下，政策可以被先行檢驗(yàn)，壓力可以被先行確定，極端風(fēng)險(xiǎn)可以被先行預(yù)測和控制。

金融數(shù)據(jù)價(jià)值存在巨大空間挖掘

盡管金融行業(yè)有大量的數(shù)據(jù)，且數(shù)據(jù)格式非常規(guī)范，但是，金融行業(yè)利用數(shù)據(jù)的能力仍然欠缺，這是人工智能或者機(jī)器學(xué)習(xí)所能夠施展才華的地方。

受到傳統(tǒng)業(yè)務(wù)模式的限制，大量金融數(shù)據(jù)在企業(yè)中的應(yīng)用只是為了支撐這些業(yè)務(wù)中的既定模式，而沒有被考慮衍生新的價(jià)值，這個(gè)過程在當(dāng)前是可以被改變的。實(shí)際上，隨著金融市場競爭越來越充分，以及隨著中國市場逐步開放，金融企業(yè)必然要開拓傳統(tǒng)業(yè)務(wù)以外的新業(yè)務(wù)，衍生新的價(jià)值，以保持其強(qiáng)大的競爭力。就像許多成熟的行業(yè)一樣，這些新的價(jià)值大部分來源于數(shù)據(jù)，或者需要數(shù)據(jù)的支持，而該過程中新一代人工智能技術(shù)的介入是必不可少的。

信用評(píng)價(jià)面臨大數(shù)據(jù)的沖擊

傳統(tǒng)的信用評(píng)價(jià)體系正在被挑戰(zhàn)-——盡管這些信用評(píng)價(jià)體系已經(jīng)在過去產(chǎn)生了巨大的作用，也對(duì)市場產(chǎn)生了巨大影響。信用評(píng)價(jià)本身是一個(gè)高維度的轉(zhuǎn)換。從數(shù)學(xué)角度來說，是一個(gè)高維度的數(shù)據(jù)信息轉(zhuǎn)化為單一的數(shù)字的過程，也就是說，是將財(cái)務(wù)、資產(chǎn)等多重信息通過整合分析最終轉(zhuǎn)化成一個(gè)象征著信用等級(jí)的數(shù)字的降維過程。無論是傳統(tǒng)的信用評(píng)價(jià)體系，還是當(dāng)前基于大數(shù)據(jù)的模式，都是在這個(gè)降維過程中盡量捕捉到有用的信息。

很明顯，基于更多維度數(shù)據(jù)來獲得信用評(píng)價(jià)結(jié)果，能夠更加細(xì)微地發(fā)現(xiàn)敏感信息。而市場中大量的風(fēng)險(xiǎn)元素可以被捕捉或者逐漸可以被捕捉，那些在傳統(tǒng)模式下很難發(fā)現(xiàn)的一些風(fēng)險(xiǎn)特征、預(yù)警指標(biāo)都可以在大數(shù)據(jù)的支撐下真實(shí)地反映出來。

從金融的具體行業(yè)來看

保險(xiǎn)定價(jià)、保險(xiǎn)理賠保險(xiǎn)新產(chǎn)品的設(shè)計(jì)，以及相應(yīng)的客戶關(guān)系的維護(hù)、客戶價(jià)值的挖掘，以及特定產(chǎn)品的智能推薦，都離不開人工智能技術(shù)的應(yīng)用。這也是當(dāng)前很多互聯(lián)網(wǎng)巨頭依賴于其所擅長的用戶粘性，快速進(jìn)入保險(xiǎn)領(lǐng)域并獲得承認(rèn)的一個(gè)重要原因，眾安保險(xiǎn)的成功便是一個(gè)典型的例子。本質(zhì)上來說，“流量＋數(shù)據(jù)＋人工智能”的新模式可以挑戰(zhàn)任何既存的業(yè)務(wù)模式。

保險(xiǎn)以外的銀行領(lǐng)域，網(wǎng)上業(yè)務(wù)以及相應(yīng)的理財(cái)智能推送，相應(yīng)的金融助理、信貸審核，以及信貸申請人的信用分析等，都可以大量使用機(jī)器學(xué)習(xí)技術(shù)。銀行的一些客戶服務(wù)，例如，客戶鑒別、欺詐識(shí)別、關(guān)鍵語音記錄分析等，也都可以用人工智能技術(shù)來替代。

此外，保險(xiǎn)領(lǐng)域也會(huì)涉及投資。投資領(lǐng)域中，在基金的投研報(bào)告、投資顧問系統(tǒng)、特定股票期權(quán)期貨的數(shù)據(jù)分析、特定投資企業(yè)或者投資目標(biāo)的量化和評(píng)價(jià)中，機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)都可以發(fā)揮作用，而且企業(yè)內(nèi)部深度學(xué)習(xí)所帶來的黑箱問題在投資領(lǐng)域中并不突出，至少可以作為一個(gè)并行的、可對(duì)比的方案來提供參考。

【偏見】

盡管大數(shù)據(jù)與人工智能對(duì)金融保險(xiǎn)的挑戰(zhàn)已經(jīng)成為共識(shí)，但是，傳統(tǒng)金融領(lǐng)域的固有偏見仍然在影響著每一個(gè)行業(yè)的從業(yè)人員，只有拋棄這些偏見才能正視挑戰(zhàn)，推進(jìn)融合，這個(gè)過程是不以人的意志為轉(zhuǎn)移的。

門戶偏見

俗話說：一致是強(qiáng)有力的，而紛爭易于被征服。

偏見充斥人類認(rèn)知，在金融里面，也有相應(yīng)的門戶偏見。銀行業(yè)、基金業(yè)、保險(xiǎn)業(yè)、信托業(yè)，盡管同屬金融這一大類，但由于各自的特征而顯得不算融洽。偏見就意味著，人們局限在所熟悉的細(xì)分領(lǐng)域來理解金融科技，從這個(gè)細(xì)分領(lǐng)域的認(rèn)知角度去看待和使用科技力量。我們要意識(shí)到，科技本身是金融以外的東西，站在金融層面去看，科技對(duì)于金融的每一個(gè)細(xì)分行業(yè)都是平等的；只站在一個(gè)細(xì)分知識(shí)儲(chǔ)備去看，那是坐井觀天。

事實(shí)上，金融細(xì)分領(lǐng)域的方法模型或者技術(shù)從本質(zhì)上來說，是圍繞著特定條件下的對(duì)象標(biāo)簽——價(jià)格進(jìn)行的，這個(gè)特定條件包括時(shí)間，也包括空間，甚至包括維度的變化。這一特點(diǎn)非常重要，它將會(huì)幫助我們建立金融的強(qiáng)化學(xué)習(xí)模型并理解端到端的監(jiān)管。以標(biāo)簽獲取預(yù)測為例：保險(xiǎn)里的精算定價(jià)和金融工程里面確定衍生品的價(jià)格，并沒有本質(zhì)上的區(qū)別，它們是在張量空間①的約束下的映射——當(dāng)考慮金融深度學(xué)習(xí)構(gòu)建和調(diào)整結(jié)構(gòu)時(shí)張量的統(tǒng)一思維非常重要。從邏輯上說，金融的不同體系都是在信息結(jié)構(gòu)支撐下完成的流動(dòng)性映射，從人工智能的角度來看，這些體系都是特定的分類和回歸?？紤]到非結(jié)構(gòu)化數(shù)據(jù)，所有細(xì)分領(lǐng)域是沒有區(qū)別的；甚至區(qū)塊鏈所構(gòu)建的本質(zhì)并不只是中心化，而是代碼算法保證效率公平平衡。

也就是說，莫要用傳統(tǒng)的金融分類來限制科技的無邊界。

過度宏觀推理

古語有言：紙上得來終覺淺，絕知此事要躬行。

宏觀金融分析作為一項(xiàng)有效的分析手段，其語言組織通俗易懂的特點(diǎn)，被大眾所熟悉。但我們需要警惕的是，如果宏觀金融的分析有所偏差，向廣大受眾傳播了錯(cuò)誤的信息，后果是難以承擔(dān)的。但目前的許多宏觀金融分析并不是基于嚴(yán)密的邏輯推理或相關(guān)論文，而是更多地從結(jié)論出發(fā)構(gòu)建假設(shè)，主觀地、有選擇性地進(jìn)行分析，最終得到想要的結(jié)論。而針對(duì)這樣的錯(cuò)誤引導(dǎo)，沒有經(jīng)過仔細(xì)辨別或由于一時(shí)惰性，極易被其誤導(dǎo)。

這樣的誤導(dǎo)對(duì)接納和應(yīng)用金融科技是致命的，如果說金融是處理不確定性，那么科技是確定性的步進(jìn)過程，它并不容納這種不嚴(yán)格，這是許多做金融的人士理解并應(yīng)用金融科技的主要障礙之一。

高冷倨傲，排斥學(xué)習(xí)

俗話說：位置上的屁股不代表真理的腦袋。

優(yōu)越的薪酬或者已經(jīng)有的地位，或者是經(jīng)歷過諸多風(fēng)險(xiǎn)的經(jīng)驗(yàn)，使得金融從業(yè)者充滿了自我優(yōu)越感，會(huì)用金融的思維去理解科技，使得金融科技成為金融思維主導(dǎo)，這是一件可怕的事情。在金融里（在國內(nèi)的金融業(yè)里），我們常常過度依賴于模型，或者是過度依賴于“拍腦袋”，這二者聽上去如此不可思議，但還是神奇地占據(jù)了國內(nèi)金融眾多參與者的思想，并能夠神奇地融合到一個(gè)團(tuán)體中（例如，一個(gè)企業(yè)、一個(gè)會(huì)議、一個(gè)監(jiān)管機(jī)關(guān)等）。而恰恰金融科技所施展身手的是這兩者的中間路徑，我們所熟悉的定義好的金融參數(shù)或者有解釋的金融參數(shù)，在深度學(xué)習(xí)中很難映照，我們“拍腦袋”拍出來的既有經(jīng)驗(yàn)可以被強(qiáng)化學(xué)習(xí)逐步“獲得”。過度依賴經(jīng)驗(yàn)或者相信權(quán)威不是長久之計(jì)，需要保持一顆謙虛好學(xué)的心才能與時(shí)俱進(jìn)地發(fā)展。

人常常會(huì)自滿，以為有了話語權(quán)就是有了真理，殊不知，話語權(quán)的獲得除了實(shí)力還有關(guān)系、年齡、人脈等諸多途徑。在面對(duì)人工智能這一全新的領(lǐng)域時(shí)，擁有話語權(quán)并不能幫助更好地掌握新的知識(shí)，唯有從頭開始、踏踏實(shí)實(shí)地學(xué)習(xí)，才能在全新的領(lǐng)域中獲得擁有話語權(quán)的機(jī)會(huì)。

迷信權(quán)威

古人道：盡信書則不如無書。

金融科技的熱潮，引來許多“磚家”的出現(xiàn)。中國的“專家”與眾不同，是可以遷移的，做一個(gè)領(lǐng)域的專家，被人們熟知，那么他輕輕一跳，哪怕是不相干的領(lǐng)域，也會(huì)被承認(rèn)。所以，許多金融的專家搖身一變，瞬間成了金融科技專家，而沒有人去檢查一下，他們是否有資格來談?wù)摽萍?，或者他們是否?shí)質(zhì)地了解金融科技與金融的關(guān)系？

我們不否認(rèn)金融專家可以通過遷移轉(zhuǎn)為金融科技專家。人工智能里有個(gè)神奇的工具叫作遷移學(xué)習(xí)，可以幫助許多初創(chuàng)企業(yè)在他們擅長的傳統(tǒng)場景快速簡單地利用既有AI成果。在這個(gè)過程中，需要對(duì)輸出層進(jìn)行調(diào)整，這個(gè)調(diào)整就是利用了新的場景的知識(shí)，權(quán)重的變化可以融合舊經(jīng)驗(yàn)和新場景。同樣成為金融科技專家，也需要對(duì)科技進(jìn)行深入了解。

其實(shí)，科技就是要顛覆既得利益者。金融引入科技，就是要顛覆這些所謂的權(quán)威。正是因?yàn)橛辛诉@樣的危機(jī)，權(quán)威專家們才要重新包裝。

盲目跟風(fēng)

俗話有言：邯鄲學(xué)步，東施效顰。

現(xiàn)在看來，大數(shù)據(jù)人工智能區(qū)塊鏈所迸發(fā)出來的核心技術(shù)發(fā)展——原本應(yīng)該居于這場浪潮的核心，但是，現(xiàn)在被邊緣化了，大家已經(jīng)開始脫實(shí)就虛，就仿佛是金融危機(jī)前的衍生品，已經(jīng)不知道所架設(shè)的基礎(chǔ)資產(chǎn)是什么了。但無論投資、應(yīng)用還是研究，終究是要做一件事情，衍生品也好，金融科技也好，總要有根基，放棄跟風(fēng)的熱潮，沉下心來認(rèn)真想一想，就會(huì)發(fā)現(xiàn)與眾不同的地方。

迷信傳統(tǒng)模型

俗話說：脫離模型看問題，進(jìn)入數(shù)據(jù)創(chuàng)造價(jià)值。

金融中有一股熱流，類似如筆者一樣學(xué)數(shù)學(xué)出身的人們更多的是相信模型。與人們的常識(shí)想法，過多地相信模型在當(dāng)今是一個(gè)需要改進(jìn)的觀念，或者說，人們所相信的“模型”需要一個(gè)更新修正的定義。筆者認(rèn)為，模式是比模型更好的載體，模型是模式的一種。但是，我們引入模式是因?yàn)樵诖髷?shù)據(jù)的時(shí)代，模式可以定義為非結(jié)構(gòu)化數(shù)據(jù)的特征，而這種特征可以超越我們熟悉的傳統(tǒng)模型的概念，進(jìn)而可以描述諸多傳統(tǒng)上不能量化的問題。當(dāng)我們賦予這些模式可以識(shí)別的路徑，其實(shí)，已經(jīng)涵蓋了所有的金融問題，這種思想是我們要重新建立的重要認(rèn)知。站的高一點(diǎn)，都是風(fēng)景。

不變應(yīng)萬變

俗話說：變化遠(yuǎn)比想象的快。

金融市場的信息瞬息萬變，但是，金融行業(yè)的體系規(guī)則等，在監(jiān)管和市場的雙重夾擊下卻相對(duì)穩(wěn)定。事實(shí)上，正是因?yàn)槭袌龅牟淮_定性的判斷，使得金融機(jī)構(gòu)不愿意發(fā)生變革，如同在驚濤駭浪中，行駛的大船不愿意做任何航向的調(diào)整，以維持視線內(nèi)的穩(wěn)定。但是，科技的力量常常是顛覆性的，這種顛覆性并不是賦予一個(gè)連續(xù)的準(zhǔn)備周期，而是0和1的區(qū)別，它不會(huì)使市場不確定性減少，但是，卻可以更快地埋葬不求變革。當(dāng)我們構(gòu)建足夠精細(xì)的模式時(shí)候，它所捕捉泛化的看起來是要解決的問題的聯(lián)合分布或者條件分布，但實(shí)際上是在“擬合”既有經(jīng)驗(yàn)的認(rèn)知。很顯然，任何經(jīng)驗(yàn)在足夠高維度的流形式是局部的，這是決定金融科技會(huì)不斷變化的本質(zhì)因素。在行動(dòng)上以不變應(yīng)萬變，那是自殺。

與己無關(guān)高高掛起

我們無比確信，我們后代所感知的金融市場一定與我們今天不同。

金融市場的參與者、監(jiān)管者都應(yīng)該看到，當(dāng)金融的本質(zhì)被抽象出來后，其科技帶來的增效是直接的，在部分模塊，科技可以創(chuàng)造新產(chǎn)能。從更深一層來說，既有的金融業(yè)務(wù)連接——請注意互聯(lián)網(wǎng)經(jīng)濟(jì)的核心是連接，在約定俗成和監(jiān)管限制下是規(guī)范的。從來沒有一個(gè)行業(yè)像金融一樣建立了這樣好的一個(gè)通用學(xué)習(xí)的基礎(chǔ)，盡管當(dāng)前的“可解釋性”黑箱問題存在，但是，可以看到，通過稀疏結(jié)構(gòu)分析、探針網(wǎng)絡(luò)、信息流以及反饋參數(shù)架構(gòu)，該問題正在消融。市場面臨的將是灌輸了經(jīng)驗(yàn)的或者說經(jīng)過經(jīng)驗(yàn)Finetune的AI，而監(jiān)管面臨的是智能監(jiān)管的智能。

【路徑】見下一篇文章：

《金融保險(xiǎn)：深度學(xué)習(xí)——挑戰(zhàn)、偏見與路徑（下篇）》。